توضیحات

آموزش استقرار مقیاس‌پذیر Gen AI و Agentic AI

نام دوره : AI Engineer MLOps Track: Deploy Gen AI & Agentic AI at Scale

پیش‌نیازها

• اگرچه داشتن توانایی کدنویسی با پایتون و تجربه کار با مدل‌های زبانی بزرگ (LLM) عالی است، اما این دوره برای طیف بسیار گسترده‌ای از افراد طراحی شده است؛ بدون توجه به پیش‌زمینه آن‌ها.

• مجموعه‌ای از آزمایشگاه‌های مطالعاتی خودآموز نیز در اختیار شما قرار داده شده که مهارت‌های فنی و برنامه‌نویسی پایه را آموزش می‌دهد. اگر در کدنویسی تازه‌کار هستید، تنها پیش‌نیاز واقعی «صبوری زیاد» است.

• این دوره زمانی بهترین عملکرد را دارد که بودجه کوچکی برای APIها و سرویس‌دهندگان ابری داشته باشید (چند دلار کفایت می‌کند). اما در تمام مراحل هزینه‌ها کنترل و انتخاب نهایی با خود شماست.

توضیحات

این همان دوره‌ای است که تعداد بیشتری از دانشجویان من نسبت به هر دوره دیگری درخواست کرده‌اند.

یکی از دانشجویان این دوره را چنین توصیف کرده است:

«دوره‌ای که همیشه در دنیای هوش مصنوعی نبود.»

این دوره مناسب افراد زیر است:

• کارآفرینان

• مهندسان سازمانی

• و همه افراد بین این دو

این دوره فقط درباره RAG نیست، هرچند با RAG کار خواهیم کرد.

فقط درباره Agents هم نیست، گرچه تعداد زیادی Agent خواهیم ساخت.

فقط درباره MCP هم نیست، اما MCP هم به میزان زیادی خواهد بود.

این دوره درباره RAG، Agents، MCP و بسیاری موارد دیگر است که همگی در محیط واقعی و در مقیاس سازمانی مستقر و اجرا می‌شوند.

به صورت زنده، در مقیاس Enterprise، مقاوم، امن، مانیتور شده و کاملاً توضیح‌داده‌شده.

در دوره آموزش استقرار مقیاس‌پذیر Gen AI و Agentic AI شما محصولات واقعی هوش مصنوعی در سطح تولید را با LLMها و Agentها در پلتفرم‌های Vercel، AWS، GCP و Azure منتشر خواهید کرد، در حالی که تمرکز اصلی روی AWS است.

طی چهار هفته، شما چهار محصول کامل را به محیط واقعی می‌برید:

هفته اول

راه‌اندازی یک محصول SaaS با Next.js روی Vercel و AWS،
همراه با App Runner و Clerk برای مدیریت کاربران و اشتراک‌ها.

هفته دوم

تبدیل شدن به یک مهندس پلتفرم AI در AWS،
و استقرار زیرساخت Serverless شامل:

• Lambda، Bedrock، API Gateway، S3، CloudFront، Route 53

• نوشتن زیرساخت به صورت کد با Terraform

• راه‌اندازی CI/CD با GitHub Actions

• برای استقرار خودکار و انتشار با یک کلیک

هفته سوم

کسب مهارت‌های پیشرفته در GenAI در محیط تولید:

• استقرار یک Agent تحلیل‌گر امنیت سایبری با MCP روی Azure و GCP

• راه‌اندازی استنتاج با SageMaker

• ساخت سیستم ورودی داده به S3 Vectors

• استقرار یک Agent پژوهشگر با مدل‌های متن‌باز OpenAI روی Bedrock + MCP

هفته چهارم

راه‌اندازی کامل یک سیستم Agentic در محیط Production:

معماری سیستم‌های چندعاملی با:

• Aurora Serverless، Lambda، SQS

• رابط‌های CloudFront با احراز هویت مبتنی‌بر JWT

• رصد و مانیتورینگ با LangFuse

• آشنایی با AWS Agent Core

در پایان دوره یاد می‌گیرید که چگونه:

• معماری مناسب را انتخاب کنید

• امنیت را به‌درستی پیاده‌سازی کنید

• هزینه‌ها را مدیریت و مانیتور کنید

• به‌طور مداوم محصول را به‌روزرسانی و توسعه دهید

تمام چیزهایی که برای اجرای برنامه‌های هوش مصنوعی در سطح گسترده، پایدار و قابل‌اعتماد نیاز دارید، در این دوره پوشش داده می‌شود.

بخش‌های دوره (هفته‌ها و پروژه‌ها)

هفته ۱

SaaS App در محیط Production با Vercel، AWS، Next.js، Clerk، App Runner
پروژه: اپلیکیشن SaaS حوزه سلامت

هفته ۲

مهندسی پلتفرم AI در AWS با Bedrock، Lambda، API Gateway، Terraform، CI/CD
پروژه: Digital Twin Mk II

هفته ۳

Gen AI در محیط Production با Azure، GCP، AWS SageMaker، S3 Vectors، MCP
پروژه: تحلیل‌گر امنیت سایبری

هفته ۴

Agentic AI در محیط Production: ساخت و استقرار سیستم چندعاملی روی AWS
(Aurora Serverless، Lambda، SQS)
همراه با LangFuse و Bedrock AgentCore
پروژه نهایی: برنامه‌ریز مالی SaaS

دوره آموزش استقرار مقیاس‌پذیر Gen AI و Agentic AI مناسب چه کسانی است

• هر فردی که هیجان‌زده است از اینکه هوش مصنوعی مولد و Agentها را در محیط واقعی و در مقیاس سازمانی مستقر کند.

بخشی از دوره :